典型文献
训练集病例数对基于深度学习宫颈癌临床靶区及危及器官自动勾画的影响
文献摘要：
目的 探讨基于2D U-net深度学习网络模型实施宫颈癌临床靶区(Clinical Target Volume,CTV)及危及器官(Organs at Risk,OARs)自动勾画时训练集中病例数对自动勾画结果的影响.方法 选取我院收治的140例宫颈癌患者的放疗CT图像,随机抽取120例患者CT图像数据作为深度学习训练集,其余20例作为测试集,运用基于2D U-net网络的AccuLearning(AL)平台训练生成5组自动勾画模型(训练量分别为15、30、60、90、120例),并对20例测试集进行自动勾画,采用相似性系数(Dice Similarity Coefficient,DSC)、豪斯多夫距离(Hausdorff Distance,HD)、体积相对偏差(Relative Volume Difference,RVD)指标比较自动勾画效果.结果 CTV的DSC和RVD,肠袋的DSC、HD和RVD,直肠和膀胱的DSC以及左侧股骨头HD在5组不同训练量模型中的差异具有统计学意义(P<0.05),且上述指标随着训练量的增加呈较好趋势变化.结论 基于AL平台对宫颈癌CTV及OARs自动勾画建模时,CTV可选90例建模;肠袋和直肠可选60例建模;膀胱、骨髓以及双侧股骨头可选15例建模.
文献关键词：
深度学习;训练量;宫颈癌;临床靶区;危及器官
中图分类号：
作者姓名：
胡静;陈飞;龚筱钦;游涛;张开军;戴春华
作者机构：
江苏大学附属医院 放疗科,江苏 镇江 212000
文献出处：
引用格式：
[1]胡静;陈飞;龚筱钦;游涛;张开军;戴春华-.训练集病例数对基于深度学习宫颈癌临床靶区及危及器官自动勾画的影响)[J].中国医疗设备,2022(09):33-37
A类：
B类：
训练集,临床靶区,危及器官,自动勾画,2D,net,深度学习网络,Clinical,Target,Volume,CTV,Organs,Risk,OARs,我院,宫颈癌患者,放疗,随机抽取,图像数据,学习训练,测试集,AccuLearning,AL,平台训练,训练量,相似性系数,Dice,Similarity,Coefficient,DSC,豪斯多夫距离,Hausdorff,Distance,HD,相对偏差,Relative,Difference,RVD,膀胱,股骨头,趋势变化
AB值：
0.345822
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
